本文關(guān)鍵詞：不相關(guān)匹配追蹤的分段區(qū)分性特征變換方法

  更多相關(guān)文章： 特征變換 語音識別 區(qū)分性訓練 語音增強 匹配追蹤

【摘要】：為了提高基于分幀特征變換方法的穩(wěn)定性,提出了一種基于分段的區(qū)分性特征變換方法.該方法將特征變換當成高維信號的稀疏逼近問題,采用狀態(tài)綁定的方法訓練得到基于域劃分的線性變換矩陣(Region Dependent Linear Transform,RDLT)和基于最小音素錯誤準則均值補償?shù)奶卣?mean-offset feature Minimum Phone Error,m-f MPE)變換矩陣,將兩者的特征變換矩陣構(gòu)成過完備的字典;采用強制對齊的方式對語音信號進行分段,以似然度最大化作為目標函數(shù),利用匹配追蹤算法對目標函數(shù)迭代優(yōu)化,自動地確定各語音信號段中的變換矩陣及其系數(shù).為保證特征變換的穩(wěn)定性,在選擇變換矩陣過程中引入相關(guān)度測量,去除相關(guān)的特征基矢量.實驗結(jié)果表明,相比于傳統(tǒng)的RDLT方法,當聲學模型分別采用最大似然和區(qū)分性準則訓練時,識別性能分別可以提高1.63%和2.23%.該方法同時能應用于語音增強和模型區(qū)分性訓練中.
【作者單位】： 解放軍信息工程大學信息系統(tǒng)工程學院;西南電子電信技術(shù)研究所上海分所;
【關(guān)鍵詞】： 特征變換 語音識別 區(qū)分性訓練 語音增強 匹配追蹤
【基金】：國家自然科學基金(No.61175017,No.61403415) 國家高技術(shù)研究發(fā)展計劃(863計劃)課題(No.2012AA011603)
【分類號】：TN912.3
【正文快照】： 1引言目前,主流語音識別系統(tǒng)中常對識別特征進行特征變換[1,2],以進一步得到具有魯棒性和區(qū)分性的特征.其中,采用高斯混合模型(Gaussian Mixture Model,GMM)進行聲學空間劃分的特征變換方法應用較為廣泛,如基于最小音素錯誤準則的特征變換(feature Mini-mum Phone Error,f MPE

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 肇瑩;劉紅星;高敦堂;;一種三角矩陣特征變換方法[J];模式識別與人工智能;2007年05期

2 馬萬里;夏時洪;王兆其;;人體運動的風格圖模型[J];計算機輔助設計與圖形學學報;2013年12期

3 李政儀;馮貴玉;趙龍;;基于直接局部保持投影和尺度不變特征變換的人臉識別方法[J];計算機應用;2012年09期

4 周玲麗;賴劍煌;;基于尺度不變特征變換優(yōu)化算法的帶遮擋人臉識別[J];計算機應用;2011年S1期

5 馬俠霖;羅鵬;陳志斌;蔡銘;;基于尺度不變特征變換的云導風計算方法[J];氣象科技;2014年03期

6 李根;李文輝;;基于尺度不變特征變換的平面旋轉(zhuǎn)人臉檢測[J];吉林大學學報(工學版);2013年01期

7 陳矯陽;陳楸;余偉;;特征變換在多源信息融合中的應用[J];兵工自動化;2008年02期

8 蘇騰榮;吳及;王作英;;用于語音識別的空間相關(guān)性變換[J];清華大學學報(自然科學版);2009年10期

9 劉立;詹茵茵;羅揚;劉朝暉;彭復員;;尺度不變特征變換算子綜述[J];中國圖象圖形學報;2013年08期

10 田文;徐帆;王宏遠;周波;;基于CUDA的尺度不變特征變換快速算法[J];計算機工程;2010年08期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張巍;基于k近鄰分類準則的特征變換算法研究[D];復旦大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 王斐;特征變換方法及其在SAR目標鑒別上的應用[D];西安電子科技大學;2014年

2 趙文亮;基于特征變換的協(xié)同學習方法[D];鄭州大學;2014年

3 黃艷麗;基于尺度不變特征變換的目標跟蹤技術(shù)研究[D];武漢科技大學;2009年

4 李穎;基于美麗指數(shù)的人臉美學分析模型[D];哈爾濱工業(yè)大學;2013年

，

本文編號：873512